该研究发现了图神经网络在节点分布迁移中的混淆偏差，并提出了一种通过因果推断来训练鲁棒的方法。实验证明该方法在各类分布迁移情况下具有泛化性能。

本文提出了一种基于混淆平衡表征学习的非线性 CIV 回归，CBRL.CIV，以消除混淆偏差并平衡观察到的混淆因素。实验证明了 CBRL.CIV 在处理非线性情况方面的优越性。